机器学习的类型：你必须知道的 3 种机器学习类型

当你开始学习人工智能时，你经常会遇到一个术语——机器学习。 它是什么？ 机器学习的类型，如果有的话？

在本文中，我们将解决这些相同的问题。

让我们开始吧。

什么是机器学习？

你有没有想过 Facebook 是如何向你推荐朋友的？

或者亚马逊如何推荐您购买的产品？

他们都使用机器学习算法。

机器学习是指研究领域，它使机器无需编程即可不断提高其性能。

通过机器学习，您的软件和机器人可以始终学习新事物并提供更好的结果。

这些机器一开始需要大量编程。 但是一旦他们开始这个过程，他们就会开始自己学习任务的不同方面。 由于机器学习可以帮助这么多行业，机器学习的未来前景一片光明。

机器学习是人工智能的一个重要分支，它在多个领域都有应用，包括：

• 电子商务
• 医疗保健（阅读：医疗保健中的机器学习）
• 社交媒体
• 金融
• 汽车

还有很多。

机器学习如何工作？

在机器学习中，你输入了一些训练计算机的训练数据。 它使用数据创建模型，并在获得新输入时使用它们进行预测。

如果预测结果是错误的，计算机将重新开始该过程，直到它做出正确的预测。

您一定已经注意到，系统在进行预测时会进行学习。 这只是一个简单的例子。

机器学习算法非常复杂，需要许多其他步骤。 不同的机器学习工具可让您探索数据科学领域的深度，进行实验，并创新功能齐全的 AI/ML 解决方案。 不同的工具是针对不同的需求而设计的。 因此，机器学习工具的选择在很大程度上取决于手头的项目、预期结果，有时还取决于您的专业水平。

不同类型的机器学习

以下是以下类型的机器学习：

监督学习

监督学习是指您为机器提供大量训练数据以执行特定任务。

例如，要教一个孩子红色，你会给他看一堆红色的东西，比如一个苹果，一个红球，对吧？

给他看了一堆红色的东西之后，你再给他看一个红色的东西，问他是什么颜色的，看看孩子有没有学会。

在监督学习中，你同样教机器。

它是最容易实现的 ML 类型，也是最常见的一种。

在训练数据中，你会给机器提供很多类似的例子，计算机会预测答案。 然后，您将向计算机反馈它是否做出了正确的预测。

监督学习的例子

您向机器提供以下信息：

2,7 = 9

5,6 = 11

9,10 = 19

现在你向机器提出以下问题：

9,1 = ?

8,9 = ?

20,4 = ?

根据机器的答案，你会给它更多的训练数据或者给它更复杂的问题。

监督学习是特定于任务的，这就是它很普遍的原因。

无监督学习

顾名思义，无监督学习与监督学习相反。 在这种情况下，您不向机器提供任何训练数据。

机器必须在没有任何标记数据的情况下得出结论。 与监督学习相比，实施起来有点挑战性。

它用于聚类数据和发现异常。

按照我们上面讨论的例子，假设你一开始没有给孩子展示不同的红色东西。

相反，你把一堆红色和绿色的东西放在他面前，让他把它们分开。

无监督学习类似于这个例子。

无监督学习的例子

假设您有不同的新闻文章，并且希望将它们分类为不同的类别。 您将文章交给机器，它会检测它们之间的共性。

然后它将根据找到的数据将文章分为不同的类别。

现在，当您向机器提供新文章时，它会自动对其进行分类。

就像其他机器学习类型一样，它也很受欢迎，因为它是数据驱动的。

强化学习

强化学习与其他类型的机器学习（有监督和无监督）有很大不同。

数据与机器之间的关系也与其他机器学习类型完全不同。

在强化学习中，机器通过错误进行学习。 你给机器一个特定的环境，它可以在其中执行一组给定的操作。 现在，它将通过反复试验来学习。

在我们上面讨论的例子中，假设你给孩子看一个苹果和一个香蕉，然后问他哪个是红色的。

如果孩子回答正确，你就给他糖果（或巧克力），如果孩子回答错误，你就不要给他同样的东西。

在强化学习中，机器的学习方式类似。

强化学习示例

你给机器一个迷宫来解决。 机器将尝试破译迷宫并犯错误。 每当它解决迷宫失败时，它会再次尝试。 对于每一个错误，机器都会学会避免什么。

通过重复此活动，机器将不断学习有关迷宫的更多信息。 通过使用这些信息，它也将在一段时间内解决迷宫。

尽管强化学习实施起来非常具有挑战性，但它在许多行业中都有应用。

不同类型机器学习的应用

现在你知道机器学习有三种类型，但是它们都用在了哪里呢？ 好吧，以下几点说明了这一点：

监督学习

• 人脸识别 - 识别图像中的人脸（Facebook 和 Google 照片）
• 垃圾邮件过滤器——通过检查垃圾邮件的内容来识别垃圾邮件

无监督学习

• 推荐系统——向买家推荐产品（如亚马逊）
• 数据分类——对数据进行分类以便更好地组织
• 客户细分——根据不同的品质将客户分为不同的类别

强化学习

• 制造业——简化自动化制造流程
• 机器人技术——教机器如何避免错误
• 视频游戏——为视频游戏角色和 NPC 提供更好的 AI

想使用机器学习？

机器学习是世界上最具影响力的技术之一。 这也是它现在如此受欢迎的一个重要原因。

许多行业出于不同目的使用机器学习，因此需求日益增加。 如果您想了解更多关于机器学习和人工智能职业的信息，请查看 IIIT-B 和 upGrad 的机器学习和人工智能项目 PG 文凭。